Un nuevo enfoque de modelado y control para la regulación del pH en fotobiorreactores raceway

Abstract

Las algas son microorganismos con un gran potencial en la producción de biomasa

con alto valor añadido y en el tratamiento de aguas residuales. Su capacidad de creci- miento presenta una fuerte dependencia del pH, el oxígeno disuelto (OD), la radiación

global y la temperatura del medio. El pH y el OD pueden controlarse mediante la inyección de CO2 y aire respectivamente, mientras que la radiación y la temperatura (en general) son factores que en reactores abiertos no pueden ser controlados. La tasa de crecimiento de las microalgas viene determinada por un factor principal, que es la disponibilidad de luz y depende en gran medida de la concentración del cultivo y el nivel del medio. Además, este término viene ponderado por otros tres que representan la temperatura, el pH y el oxígeno disuelto y cuyos valores se encuentran normalizados entre 0 y 1. La influencia de la temperatura y el pH son muy similares, ambos presentan un valor óptimo entorno al cual la tasa de crecimiento es máxima, pero fuera de ese valor la tasa decrece drásticamente. En cuanto al oxígeno disuelto, hay un valor a partir del cual la tasa de crecimiento desciende. El pH es, entre todas las variables a controlar, la más crítica y complicada, pues la producción de la fotosíntesis provoca variaciones continuas. Actualmente, es necesario llegar a un balance entre la complejidad del modelo de pH y la dificultad para desarrollar algoritmos de control. Por un lado, modelos muy complejos reflejan con mucha exactitud el comportamiento del sistema tanto espacial como temporalmente, pero dificultan el diseño de controladores. Por el otro, modelos muy simples facilitan el diseño de los algoritmos de control pero su excesiva sencillez

provoca un modelado del sistema poco exacto y la pérdida de eficacia de los controlado- res cuando se presentan condiciones ambientales distintas a las que había a la hora de

obtener el modelo, por lo que estos modelos tendrían que ser constantemente calibrados.

Es por las razones expuestas anteriormente que se han desarrollado modelos de árboles de regresión que sean capaces de calcular los parámetros de un modelo simple. Se buscaba conseguir un modelo sencillo pero que, en cierto modo, sea capaz de autocalibrarse en función de las condiciones a las que se encuentre sometido el sistema. Este modelo ha sido utilizado tanto para fines de modelado como para fines de control. Finalmente, tras la realización de los ensayos se han obtenido resultados satisfactorios que indican un correcto funcionamiento tanto del estimador de pH como del controlador adaptativo.

Algae are microorganisms with great potential in the production of biomass with high added value and in wastewater treatment. Their growth capacity has a strong dependence on pH, dissolved oxygen (DO), global radiation and media temperature. Factors as pH and DO can be controlled by injection of CO2 and air respectively, while radiation and temperature (in general) cannot be controlled in open reactors. The growth rate of microalgae is determined by one main factor, which is the availability of light and is highly dependent on the concentration of the culture and the level of the medium. In addition, this term is weighted by three other terms representing temperature, pH and dissolved oxygen whose values are normalized between 0 and 1. The influence of temperature and pH are very similar, both have an optimum value around which the growth rate is maximum, but outside this value the rate decreases drastically. As for dissolved oxygen, there is a value above which the growth rate decreases. Of all the variables to be controlled, pH is the most critical and complicated, since the production of photosynthesis causes continuous variations. Currently, it is necessary to reach a balance between the complexity of the pH model and the difficulty in developing control algorithms. On one side, very complex models reflect very accurately the behavior of the system both spatially and temporally, but make it difficult to design controllers. On the other hand, very simple models facilitate the design of control algorithms but their excessive simplicity leads to an inaccurate modeling of the system and the deterioration of the performance of the controllers when environmental conditions are different from those at the time of obtaining the model. Thus, these models would have to be constantly calibrated.

Hence, for the reasons stated above, regression tree models have been developed, that are capable of estimating the parameters of a simple model. The aim was to obtain a simple model but one that, in a way, is capable of self-calibrating depending on the conditions to which the system is subjected. Finally, after performing the tests, satisfactory results have been obtained, indicating correct operation of both the pH estimator and the adaptive controller.